Cilt lezyonlarının dermatoskop görüntüleri üzerinden derin öğrenmeye dayalı yöntemle tespiti ve sınıflandırılması
Detection and classification of skin lesions based on deep learning from dermatoscop images
- Tez No: 776232
- Danışmanlar: DOÇ. DR. EVGİN GÖÇERİ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Cilt hastalıklarının dünya nüfusunun yaklaşık üçte birini etkileyen en yaygın dördüncü hastalık olduğu bilinmektedir. Cilt hastalıklarında genellikle belirtiler, deri üzerindeki normal deri rengi ve deseninden farklı görülen ve lezyon olarak adlandırılan bölgelerdir. Cilt hastalıkları erken evrede teşhis edildiğinde tedavi edilebilen hastalıklardır. Bu nedenle, hastanın hayatını koruyabilmek için erken ve doğru teşhis kritik role sahiptir. Günümüzde, cilt hastalıklarının teşhis edilmesi işlemi, dermatoloğun deriyi eli ile incelemesi ve görebildiklerine göre karar vermesine dayalı olarak yapılmaktadır. Cilt hastalıklarının bu şekilde teşhis edilmesi dermatologların deneyimlerine göre değişiklik gösterebilmektedir. Otomatik yöntemler erken teşhis ve müdahalelerin yapılmasını sağlamaktadır. Literatürde otomatik yöntemler önerilmekte ve bilgisayar destekli teşhis sistemlerinde artan bir şekilde derin öğrenmeye dayalı yöntemler kullanılmaktadır. Bu nedenle, bu tez çalışması kapsamında da derin sinir ağ mimarisine dayalı olarak cilt lezyonlarının sınıflandırılması üzerinde durulmuş, dermatoskop görüntüsünden yüksek doğruluk ile lezyonların yedi sınıfa otomatik olarak sınıflandırılmasını sağlayan, evrişimsel derin sinir ağ mimarisi ve kapsül ağın birlikte kullanıldığı bir yöntem önerilmiştir. Sonuçların değerlendirilmesi için doğruluk, hassaslık, özgüllük, F1-skor ve Mathew ilişkilendirme katsayısı olmak üzere beş farklı değerlendirme ölçütü kullanılmış ve sırasıyla %88.10, %89.18, %98,11, %87.25, %86.20 değerleri elde edilmiştir. Ulaşılan bu bulgular cilt lezyonlarının otomatik olarak sınıflandırılmasında önerilen bütünleşik ağ mimarisinin başarılı olduğunu göstermiştir.
Özet (Çeviri)
It is known that skin diseases are the fourth common disorder that affects approximately one third of the world's population. In skin diseases, the symptoms are the areas on the skin that are different from the normal skin color and pattern and are called lesions. Skin diseases are diseases that can be treated when diagnosed at an early stage. Therefore, early and accurate diagnosis has a critical role in preserving the patient's life. Today, the process of diagnosing skin diseases is based on the dermatologist's visual examination of the skin and making a decision based on what the dermatologist can see. Diagnosis of skin diseases in this way may vary according to the experience of dermatologists. Automated methods enable early diagnosis and interventions. In the literature, automatic methods are suggested and deep learning-based methods are increasingly used in computer aided diagnostic systems. Therefore, within the scope of this thesis, the classification of skin lesions based on deep neural network architecture has been emphasized, and a method that uses convolutional deep neural network architecture and capsule network together, which provides automatic classification of lesions into seven classes with high accuracy from the dermatoscope image, has been proposed. Five different evaluation criteria, namely, specificity, sensitivity, accuracy, F1-score and Mathew correlation coefficient, were used to evaluate the results, and values of 88.10%, 89.18%, 98.11%, 87.25%, and 86.20% were obtained, respectively. These findings showed that the proposed integrated network architecture was successful in automatic classification of skin lesions.
Benzer Tezler
- Dermoskopik görüntülerden melanomanın derin evrişimsel sinir ağları ile teşhisi
Diagnosis of melanoma in dermoscopic images with deep convolutional neural networks
ENES AYAN
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL MURAT ÜNVER
- Derin konvolüsyon ağı ile dermatoskopik görüntülerde deri lezyonlarının sınıflandırılması
Başlık çevirisi yok
EMRAH ÇEVİK
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KENAN ZENGİN
- Gürültü azaltma tekniklerinin dermatoskop görüntüleri üzerindeki etkisinin araştırılması
Investigation of the effect of noise reduction techniques on dermatoscopy images
MÜNİRE ÖZEN
Yüksek Lisans
Türkçe
2023
BiyomühendislikAkdeniz ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. EVGİN GÖÇERİ
- Deep learning analysis in dermoscopy images
Dermoskopi görüntülerinde derin öğrenme analizi
FATİH ERGİN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BURAK PARLAK
- Bulanık kümeleme ortalamasına dayalı görüntü bölgesi büyümesiyle melanoma cilt kanseri segmentasyonu
Melanoma skin cancer segmentation with image region growing based on fuzzy clustering mean
ABDELHAFİD ALİ. I. MOHAMED
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA KANDEMİRLİ